Cartes de contrôle aux mesures

1 Une introduction à la maîtrise statistique des processus

Deux objets ne sont jamais rigoureusement identiques. Quelles que soient les techniques
utilisées pour fabriquer ces objets, si précis soient les outils, il existe une variabilité dans tout
processus de production.
L’objectif de tout industriel est que cette « variabilité naturelle » demeure dans des bornes
acceptables. C’est une préoccupation majeure dans l’amélioration de la qualité industrielle.
Un des outils utilisés pour tendre vers cette qualité est la Maîtrise Statistique des Processus
(MSP).
Si vous produisez un certain type d’objets, et si vous souhaitez conserver vos clients pour
pérenniser votre entreprise, vous devez vous assurer que les lots que vous leur livrez sont
conformes à ce qui a été convenu entre vous, le plus souvent par contrat. Tout industriel
sérieux effectue des contrôles sur les lots produits pour en vérifier la qualité, qu’il en soit
le producteur ou bien qu’il les réceptionne. Diverses techniques statistiques liées aux prélè-
vements d’échantillons sont alors utilisées pour éviter, dans la plus part des cas, de vérifier
un à un tous les objets contenus dans un lot. Ce contrôle d’échantillons prélevés dans des
lots est indispensable si les contrôles à effectuer détruisent l’objet fabriqué, comme lors d’une
analyse de la dose de composant actif contenue dans un comprimé. Il existe cependant des
cas où l’on préfère vérifier tous les objets ; il est par exemple souhaitable que les freins d’une
voiture fonctionnent et un contrôle du freinage sur un échantillon dans la production d’un lot
d’automobiles ne garantie par que tous les véhicules freinent correctement...
Lorsqu’un lot est contrôlé, il est conforme ou il ne l’est pas. S’il est conforme, on le livre
(fournisseur) ou on l’accepte (client). S’il n’est pas conforme, on peut le détruire, en vérifier
un à un tous les éléments et ne détruire que ceux qui ne sont pas conformes, etc. Toutes les
solutions pour traiter les lots non conformes sont onéreuses. Si le lot n’est pas conforme, le
mal est fait. La MSP se fixe pour objectif d’éviter de produire des lots non conformes en
surveillant la production et en intervenant dès que des anomalies sont constatées. Une bonne
MSP permet de supprimer un nombre important de contrôle in fine des lots produits.

1.1 Processus sous contrôle

On dit que le processus de production est sous contrôle, est maîtrisé, lorsque les caractéris-
tiques du produit fabriqué varient peu dans le temps, d’un produit à l’autre et sont conformes
à ce que l’on désire obtenir. Dans ce cas, il n’existe pas de cause précise faisant varier les
caractéristiques du produit. La variabilité n’est due qu’aux limitations techniques du procédé
de fabrication, à des causes aléatoires.
Pour savoir si le processus est sous contrôle, on prélève régulièrement de petits échantillons.
Si la caractéristique contrôlée est une mesure (poids, taille, concentration, etc), le processus est

1
2 2 LES CARTES DE CONTRÔLE AUX MESURES DE SHEWHART

sous contrôle lorsque la moyenne (l’espérance) dans chaque échantillon de cette caractéristique
est égale à une valeur cible µ0 fixée et lorsque l’écart-type dans chaque échantillon est égal
à un écart-type naturel σ0 . Alors que µ0 est fixée pour répondre à la demande des clients,
à un cahier des charges, à la qualité du produit, σ0 dépend essentiellement du processus de
production, de la technologie mise en oeuvre. si la caractéristique contrôlée est une proportion
d’objets non conformes (d’objets conformes) dans chaque lot, le processus est sous contrôle
lorsque cette proportion est en moyenne dans chaque échantillon égale à une valeur cible
p0 . La proportion p0 est fixée de sorte à respecter les normes de qualités fixées par contrat ou
par obligation légale. On cherche bien sûr à avoir une valeur de p0 (proportion d’objets non
conformes) voisine de 0. Si la caractéristique contrôlée est un nombre de défauts par objet,
le processus est sous contrôle quand ce nombre est en moyenne égal à une valeur cible λ 0
fixée. Idéalement λ0 = 0 ; cependant, on tolère souvent quelques défauts mineurs, comme des
défauts d’aspect.

1.2 Processus hors contrôle

Un processus hors contrôle, non maîtrisé, est le contraire d’un processus sous contrôle.
Le processus est hors contrôle quand il existe une variabilité trop importante ou des carac-
téristiques non conformes à celles souhaitées. Il peut exister plusieurs causes, dites : causes
spéciales, ou encore : causes assignables, à ce dysfonctionnement. Un changement d’équipe, de
technicien sur une machine, le dérèglement d’une machine, une panne, des conditions clima-
tiques particulières, etc, peuvent être à l’origine d’un processus hors contrôle. Dans les cas les
plus graves, il faut revoir entièrement un processus de fabrication inadapté aux objectifs fixés.

1.3 La MSP
La Maîtrise Statistique des Processus à pour but de mettre en place des outils statistiques
de surveillance des processus de fabrication. L’outil de base de la MSP que nous étudierons est
la carte de contrôle. Elle est constituée de tests statistiques paramétriques de conformité.

2 Les cartes de contrôle aux mesures de Shewhart

Le caractère étudié est un mesure (poids, concentration d’un composant chimique, cote,
etc). L’objectif d’une carte de contrôle aux mesures est de détecter la présence de causes
assignables de dérèglement du processus de production. Le fondement théorique de conception
des cartes de contrôle est que le caractère numérique étudié est réparti dans la population,
dans l’ensemble de la production, suivant une loi normale.

2.1 Cartes de contrôle d’étude initiale

Ces cartes sont destinées à la mise sous contrôle du processus. Ces cartes de contrôle
sont aussi appelées : cartes de contrôle de phase I, ou encore : cartes de contrôle pour la
maîtrise. Leurs paramètres sont déterminés à l’aide de mesures effectuées sur une vingtaine
d’échantillons de petite taille.
Pour les valeurs des différents coefficients nécessaires aux calculs, on se reportera au tableau
des coefficients le l’annexe.

DUT Génie Biologique Année universitaire 2007/2008

2.1 Cartes de contrôle d’étude initiale 3

2.1.1 Cartes (X, R)

On adopte le point de vue probabiliste des variables aléatoires. Pour m échantillons préle-
vés, on note X 1 , X 2 , . . . , X m les m variables aléatoires qui associent à chaque échantillon, la
moyenne dans l’échantillon du caractère étudié. On définit alors la variable aléatoire, moyenne
des moyennes des échantillons :
m
1 X
µ̂ = X = Xi
m i=1
µ̂ est un estimateur sans biais de la moyenne du caractère dans l’ensemble de la production
(population).
Un estimateur plus inattendu, que nous n’avons pas encore utilisé est l’estimateur σ̂ de
l’écart type du caractère dans la production. Cet estimateur utilise la variable aléatoire R
définie par :
m
1 X
R= Ri
m i=1
où chaque variable aléatoire Ri associe à chaque échantillon, son étendue. On a alors :

R
σ̂ =
d2

où d2 est un coefficient dépendant de la taille n des échantillons.

Carte de contrôle de la moyenne : carte X
La carte de contrôle de la moyenne, ou carte X, est constituée d’une ligne centrale corres-
pondant à la valeur LC = µ̂, et de deux lignes de contrôle correspondant respectivement aux
limites supérieures (LSC) et inférieures de contrôle (LIC). Figurent aussi parfois deux lignes
supplémentaires : les limites de surveillance.
Dans toute carte de contrôle de Shewhart de phase I, les limites de contrôle ont un écart
σ̂
à la moyenne µ̂ égal à 3 √ , pour des échantillons de taille n. On a donc :
n

σ̂ σ̂
LC = µ̂ LSC = µ̂ + 3 √ LIC = µ̂ − 3 √
n n

3
En posant A2 = √ , on obtient :
d2 n

LC = µ̂ LSC = µ̂ + A2 R LIC = µ̂ − A2 R

Pour obtenir les valeurs de A2 , il suffit de se reporter à la table donnée en annexe.

Construction de la carte :
On prélève (effectivement) m échantillons de taille n. On a alors une réalisation des différentes
variables aléatoires présentées ci-dessus.
On calcule, avec les règles indiquées, les différentes valeurs prises par ces variables aléatoires.
On trace sur la carte de contrôle la ligne centrale et les lignes de contrôle.
On porte sur la carte, pour i = 1, . . . , m, les points Mi de coordonnées (i, x̄i ), où x̄i désigne
la moyenne du caractère étudié dans l’échantillon numéro i.

T. Cuesta IUT de Créteil

4 2 LES CARTES DE CONTRÔLE AUX MESURES DE SHEWHART

Règle de décision :
– si tous les points Mi sont situés entre les linges de contrôle, le processus est déclaré
maîtrisé ;
– si des points Mi sont situés en dehors des limites de contrôle, le processus est déclaré
non maîtrisé.
Si le processus est déclaré non maîtrisé, il est bon de comprendre dans quelles circonstances
les échantillons ont été prélevés pour tenter de cerner si le processus est globalement inadapté
ou s’il existe des causes spéciales à la variabilité excessive des moyennes.

Exemple 2.1 (Exemple de carte X :) Dans une laiterie, un nouveau processus de production de
plaquettes de 250 g de beurre est mis en service. On a prélevé vingt échantillons de quatre plaquettes
chacun et on a pesé chaque plaquette avec une balance de précision.
Le traitement statistique des mesures est effectué à l’aide d’un tableur 1 .

Échantillon x x
x x x R
n° i
1 252 249 249 249 249.75 3
2 249 247 252 253 250.25 6
3 253 247 246 247 248.25 7
4 247 253 253 248 250.25 6
5 249 253 247 252 250.25 6
6 246 253 250 253 250.5 7
7 253 247 254 251 251.25 7
8 255 255 248 252 252.5 7
9 254 248 255 246 250.75 9
10 249 246 253 255 250.75 9
11 254 249 252 251 251.5 5
12 249 250 246 249 248.5 4
13 253 247 247 250 249.25 6
14 252 249 251 247 249.75 5
15 249 252 255 252 252 6
16 248 246 248 249 247.75 3
17 250 247 249 252 249.5 5
18 247 247 252 251 249.25 5
19 254 249 252 247 250.5 7
20 250 252 250 250 250.5 2

LC = 250.15
LSC = 254.34
LIC = 245.96

carte de contrôle de la moyenne

255
254
poids (masse) en grammes

253

252

251 LC
250 LSC
LIC
249 Moyenne de l'échantillon

248

247
246

245
0 5 10 15 20
échantillons

1. Tableur de la suite bureautique OpenOffice.org.

DUT Génie Biologique Année universitaire 2007/2008

2.1 Cartes de contrôle d’étude initiale 5

Carte de contrôle de l’étendue : carte R

On souhaite ici visualiser, mettre en évidence, les variations de l’étendue. La conception
de la carte de Shewhart de l’étendue, pour la phase I, utilise des coefficients : d3 , dépendant
de la taille n des échantillons.
Pour cette carte on a :
R R
LC = R LSC = R + 3 d3 LIC = R − 3 d3
d2 d2
 
d3 d3
On pose D3 = sup 1 − 3 , 0 et D4 = 1 + 3 . On obtient alors :
d2 d2

LC = R LSC = D4 R LIC = D3 R
Construction de la carte :
On prélève (effectivement) m échantillons de taille n. On a alors une réalisation des différentes
variables aléatoires présentées ci-dessus.
On calcule, avec les règles indiquées, les différentes valeurs prises par ces variables aléatoires.
Il peut arriver que le calcul, à l’aide de d2 et d3 , de la limite inférieure de contrôle donne
un résultat négatif. Dans ce cas, la limite de contrôle utilisée pour la carte est 0. Il est bien
sûr souhaitable que l’étendu soit aussi proche de la valeur 0 que possible, ce qui traduit une
variabilité faible du caractère numérique étudié.
On trace sur la carte de contrôle la ligne centrale et les lignes de contrôle.
On porte sur la carte, pour i = 1, . . . , m, les points Mi de coordonnées (i, ri ), où ri désigne
l’étendue du caractère étudié dans l’échantillon numéro i.
Règle de décision :
– si tous les points Mi sont situés entre les linges de contrôle, le processus est déclaré
maîtrisé ;
– si des points Mi sont situés en dehors des limites de contrôle, le processus est déclaré
non maîtrisé.

Exercice 2.1 Tracer la carte de contrôle R de l’exemple 2.1.

2.1.2 Cartes (X, S)

Pour m échantillons prélevés, on note X 1 , X 2 , . . . , X m les m variables aléatoires qui as-
socient à chaque échantillon, la moyenne dans l’échantillon du caractère étudié. On définit
les m variables aléatoires S1 , S2 , . . . , Sm qui à chaque échantillon associent l’écart type de
l’échantillon. Attention ! L’écart type est ici celui déjà utilisé en estimation, c’est l’estimateur
ponctuel de l’écart type de la population. On définit alors la variable aléatoire, moyenne des
moyennes des échantillons :
m
1 X
µ̂ = X = Xi
m i=1
µ̂ est un estimateur sans biais de la moyenne du caractère dans l’ensemble de la production
(population).
On choisit comme estimateur sans biais de l’écart type, la variable aléatoire σ̂ définie par :
S
σ̂ =
c4

T. Cuesta IUT de Créteil

6 2 LES CARTES DE CONTRÔLE AUX MESURES DE SHEWHART

1 Pm
où S = Si et c4 est un coefficient dépendant de l’entier n (voir la table en annexe).
m i=1
Carte de contrôle de la moyenne : carte X
Les paramètres de cette carte, pour des échantillons de taille n, sont les suivants :
σ̂ σ̂
LC = µ̂ LSC = µ̂ + 3 √ LIC = µ̂ − 3 √
n n
3
On pose : A3 = √ . On a alors :
c4 n

LC = µ̂ LSC = µ̂ + A3 S LIC = µ̂ − A3 S

Exercice 2.2 Dans l’exemple 2.1 page 4, une première série de mesures a été effectuée. On renouvelle
le prélèvement d’échantillons. Les nouvelles mesures sont reportées ci-dessous. Le calcul des écarts
types est réalisé à l’aide de la formule :
v
u n
u 1 X
t (xi − x̄)2
n−1
i=1

Échantillon x x x x x S
n° i
1 249 247 253 253 250.5 3
2 254 250 255 250 252.25 2.63
3 253 250 246 247 249 3.16
4 253 255 255 254 254.25 0.96
5 253 254 246 247 250 4.08
6 254 254 254 252 253.5 1
7 255 253 252 254 253.5 1.29
8 249 248 255 252 251 3.16
9 248 255 249 251 250.75 3.1
10 250 247 247 247 247.75 1.5
11 253 252 250 253 252 1.41
12 248 247 250 253 249.5 2.65
13 255 246 246 249 249 4.24
14 251 254 247 255 251.75 3.59
15 251 251 255 255 253 2.31
16 255 251 251 254 252.75 2.06
17 255 250 250 252 251.75 2.36
18 250 251 250 249 250 0.82
19 247 255 248 246 249 4.08
20 254 247 250 254 251.25 3.4
Déterminer les paramètres de la carte de la moyenne.

La construction de la carte X et la règle de décision sont identiques à celles de la carte X

décrites pour les cartes (X, R).
Carte de contrôle de l’écart type : carte S
Cette carte est destinée à visualiser les variations de l’écart type des mesures. Elle utilise
les paramètres suivants :
s ! s !
1 1
LC = S LSC = S 1 + 3 −1 LIC = S 1 − 3 −1
c24 c24

DUT Génie Biologique Année universitaire 2007/2008

2.2 Cartes de contrôle aux valeurs standard 7

 r  r
1 1
On pose B3 = sup 1 − 3 − 1, 0 et B4 = 1 + 3 − 1. On a alors :
c24 c24

LC = S LSC = B4 S LIC = B3 S

Pour déterminer les valeurs de B3 et B4 , on consultera la table des valeurs de B3 et B4 , en

fonction de la taille n des échantillons, fournie en annexe.
La construction de la carte S est similaire à la construction de la carte R (on reporte les
écarts type au lieu de reporter les étendues), et comme pour cette dernière, on remplace la
limite inférieure de contrôle par 0 si le calcul celle-ci donnait un résultat négatif. La règle de
décision est la même que pour une carte R.

Exercice 2.3 Construire la carte S de l’exercice 2.2.

Lorsque les cartes de contrôle de phase I font apparaître un processus maîtrisé, leurs paramètres
peuvent être utilisés pour des cartes de phase II lors de la surveillance de la production en
temps réel.

2.2 Cartes de contrôle aux valeurs standard

Ces cartes de contrôle sont également appelées : cartes de contrôle de phase II. Elles sont
utilisées pour le suivi du processus en temps réel. Les valeurs standard de ces cartes sont
établis au préalable et constituent des valeurs cibles. On note µ0 la valeur cible de la moyenne,
et σ0 la valeur cible de l’écart type. Ici, LC, LSC et LIC ne sont plus des variables aléatoires,
mais des valeurs numériques fixées suivant des règles bien précises.
Les cartes de Shewhart sont caractérisées par des limites de contrôle situées à trois écarts
type de part et d’autre la tendance centrale.
Les bases probabilistes de ces cartes sont dues au fait que l’on considère que la variable
aléatoire associée aux mesures suit la loi normale N (µ0 , σ0 ). Pour les cartes de Shewhart,
la probabilité α de fausse alerte (risque de première espèce) est approximativement égale à
0,0027.
Carte X de Shewhart
Les paramètres de cette carte sont :
σ0 σ0
LC = µ0 LSC = µ0 + 3 √ LIC = µ0 − 3 √
n n
3
En posant A = √ , on obtient :
n

LC = µ0 LSC = µ0 + Aσ0 LIC = µ0 − Aσ0

(Voir l’annexe pour les valeurs de A en fonction de la taille n des échantillons)

La construction et la règle de décision sont identiques à celles d’une carte de phase I.
Carte R de Shewhart
Les paramètres de la carte de contrôle de l’étendue sont :

LC = d2 σ0 LSC = d2 σ0 + 3d3 σ0 LIC = d2 σ0 − 3d3 σ0

la LIC étant fixée à 0 en cas de résultat négatif.

T. Cuesta IUT de Créteil

8 2 LES CARTES DE CONTRÔLE AUX MESURES DE SHEWHART

On pose D5 = sup {d2 − 3d3 , 0} et D6 = d2 + 3d3 . Les paramètres s’écrivent alors :

LC = d2 σ0 LSC = D6 σ0 LIC = D5 σ0

(Voir l’annexe pour les valeurs de D1 et D2 en fonction de la taille n des échantillons)

La construction et la règle de décision sont identiques à celles d’une carte de phase I.
Carte S de Shewhart
Les paramètres sont :
q q
2
LC = c4 σ0 LSC = c4 σ0 + 3 1 − c4 σ0 LIC = c4 σ0 − 3 1 − c24 σ0

la LIC étant fixée à 0nen cas de résultatonégatif.

p p
On pose B5 = sup c4 − 3 1 − c24 , 0 et B6 = c4 + 3 1 − c24 . Les paramètres de la carte
s’écrivent alors :
LC = c4 σ0 LSC = B6 σ0 LIC = B5 σ0
La construction et la règle de décision sont identiques à celles d’une carte de phase I.

2.3 Tableau récapitulatif pour les cartes de contrôle aux mesures de

Shewhart

Type de carte µ et σ inconnus (phase I) µ0 et σ0 connus (phase II)

ligne centrale limites de contrôle ligne centrale limites de contrôle
Carte X µ̂ µ̂ ± A2 R ou µ̂ ± A3 S µ0 µ0 ± Aσ0
Carte R R D3 R, D4 R d 2 σ0 D5 σ 0 , D 6 σ 0
Carte S S B3 S, B4 S c 4 σ0 B 5 σ0 , B 6 σ0

2.4 Annexe : coefficients des cartes de Shewhart

n d2 d3 c4 A A2 A3 B3 B4 B5 B6 D3 D4 D5 D6
2 1,128 0,853 0,7979 2,121 1,880 2,659 0 3,267 0 2,606 0 3,267 0 3,686
3 1,693 0,888 0,8862 1,732 1,023 1,954 0 2,568 0 2,276 0 2,574 0 4,358
4 2,059 0,880 0,9213 1,500 0,729 1,628 0 2,266 0 2,088 0 2,282 0 4,698
5 2,326 0,864 0,9400 1,342 0,577 1,427 0 2,089 0 1,964 0 2,114 0 4,918
6 2,534 0,848 0,9515 1,225 0,483 1,287 0,030 1,970 0,029 1,874 0 2,004 0 5,078
7 2,704 0,833 0,9594 1,134 0,419 1,182 0,118 1,882 0,113 1,804 0,076 1,924 0,205 5,203
8 2,847 0,820 0,9650 1,061 0,373 1,099 0,185 1,815 0,178 1,752 0,136 1,864 0,387 5,307
9 2,970 0,808 0,9693 1,000 0,337 1,032 0,239 1,761 0,232 1,707 0,184 1,816 0,546 5,394
10 3,078 0,797 0,9727 0,949 0,308 0,975 0,284 1,716 0,277 1,669 0,223 1,777 0,687 5,469
11 3,173 0,787 0,9754 0,905 0,285 0,927 0,321 1,679 0,314 1,637 0,256 1,744 0,812 5,534
12 3,258 0,778 0,9776 0,866 0,266 0,886 0,354 1,646 0,346 1,609 0,283 1,717 0,924 5,592
13 3,336 0,770 0,9794 0,832 0,249 0,850 0,382 1,618 0,374 1,585 0,307 1,693 1,026 5,646
14 3,407 0,762 0,9810 0,802 0,235 0,817 0,406 1,594 0,399 1,563 0,328 1,672 1,121 5,693
15 3,472 0,755 0,9823 0,775 0,223 0,789 0,428 1,572 0,420 1,544 0,347 1,653 1,207 5,937
20 3,735 0,729 0,9869 0,671 0,180 0,680 0,510 1,490 0,503 1,471 0,415 1,585 1,548 5,922

DUT Génie Biologique Année universitaire 2007/2008

 9

Tab. 1 – Coefficients des cartes de Shewhart en fonction de la taille n des échantillons (source :
Une application industrielle des statistiques : la carte de contrôle, brochure de l’IREM de
Clermont-Ferrand)

3 Les cartes de contrôle aux mesures probabilistes

3.1 Carte X
On considère que le caractère étudié est distribué suivant la loi N (µ0 , σ0 ). On prélève un
échantillon de taille n et on formule l’hypothèse nulle H0 : « la moyenne de l’échantillon est
égale à µ0 ». Les limites de contrôle sont alors calculées en fonction du risque de première
espèce α du test bilatéral de conformité à la moyenne µ0 . On a donc : LSC − µ0 = µ0 − LIC.
Notons X la variable aléatoire d’échantillonnage de la moyenne des échantillons de taille
n. On a :

P (LIC ≤ X ≤ LSC) = 1 − α
√ √ √
n(LIC − µ0 ) n(X − µ0 ) n(LSC − µ0 )

⇐⇒ P ≤ ≤ =1−α
σ0 σ0 σ0
n(LSC − µ0 )
√ 
⇐⇒ 2Π −1=1−α
σ0
√
n(LSC − µ0 )

α
⇐⇒ Π =1−
σ0 2

On détermine le réel t1−α/2 tel que :

α
Π(t1−α/2 ) = 1 −
2

en utilisant, par exemple, la table des valeurs de la fonction Π. On a alors :

σ0 σ0
LC = µ0 LSC = µ0 + t1−α/2 √ LIC = µ0 − t1−α/2 √
n n

La valeur de α la plus utilisée dans la pratique est 0,2%. On a alors t99,9% ' 3,09 ; valeur
voisine de la valeur 3 de la carte de Shewhart.
Pour les cartes de contrôle aux mesures de phase II aux limites probabilistes, les règles de
décision sont identiques à celle des cartes de Shewhart.

3.2 Carte R
On utilise, pour déterminer les paramètres d’une carte de contrôle de l’étendue aux limites
R
probabilistes, la loi de l’étendue relative. L’étendue relative est définie par : w = . Pour un
σ0
risque de première espèce égal à α, on a :

LC = d2 σ0 LSC = w1−α/2 σ0 LIC = wα/2 σ0

T. Cuesta IUT de Créteil

10 3 LES CARTES DE CONTRÔLE AUX MESURES PROBABILISTES

P= P= P= P= P= P= P= P= P= P= P=



 




 




 
 
 
 
 
 

n w w w w w w w w w w w


 


 

!"


#
 $% &(') * ' &+'  ! &
'

&
) ',
) - .
 '
/!0
 !'1  2/"' ' (' &%2/&3!) 425! !' 
&
!
 

 '!'6
 !'!"
 "
 &
  "' &'('  .! !7 825!   '-

 '
 9&
 &&&3
:29
; 
' 3 %2$' 29&'(! %
3! &!<! &  !=2
&
 /!
 9

 29
> 
&;  4/!# !' !%
'?! '9' ! %2/'
%28!  &

 &
 '@ 
9!5  4= A  !!- 3 &9!3!%) ?! 
3! - ' 7 B!  '
2
:2/' 
&  
&>  !7  A  &
 3 "!% C! & C9
, ''  2/

 &  7 D'@  '!!#  = A  !- 3  3!% '&?!  A9)  &E !7 *2  

*

2  ''&  !&%20  &/!<  2&9!;'
9&3!% !42F!$! 2
/09)  
G  

  
 !!  5  %29#  9!;'H D"!% &'(! 22 9 %9,  &
!
  '
 9!%2@I  &29
6 :2293
'#' 
 !% &''(! !&A9 ''%2+ &!' &

'  '  &!
  #   ) *&9;' 4293!% &3

2 9 '%2+ 
/! &) !
!  !42    2(
&
 !%>' '2(!% $
&9'9 !49' &
&) 
8  &  2
/!J  '%?H '  '
5' !!"!% 29
 )  "9 
9!, 2G  & '
*&  &'  2

%2C %
9" '
5' !42F!"!% 22() *&9'9 G K 2&
& =2
*  &  !&
? %3 !4&5' /!- .!% 
$ %
2 9 !, 
 & '
F2  L

9,) '$ ''   &5' 9' !% !42( 49
A9 &'< ! & '%
 :2F 

) 42C '3 '#' &9!"!% %22( =2F9 &9!, 42/& & '42
%
:22M) & %9!3 !49
 &5' &22 
9&3 '&A9  
<&
! & !7

 
R
Tab. 2 – Fractiles de la distribution de l’étendue réduite : p = P ≤ wp (sources : Une
σ0
application industrielle des statistiques : la carte de contrôle, brochure de l’IREM de Clermont-
Ferrand et CISIA, CERESTA, 1995)

3.3 Carte S
On démontre, et nous admettrons, que si X1 , . . . , Xn sont des variables aléatoires indépen-
dantes suivant la loi normale N (µ, σ), alors
2
Pn 2
(n − 1)Sn−1 i=1 (Xi − X)
=
σ2 σ2
1 Pn
suit la loi de χ2 à n − 1 degrés de liberté ; avec X = Xi .
n i=1
Pour un échantillon de taille n donné, avec un risque de première espèce égal à α, la
probabilité que l’écart type de l’échantillon appartienne à l’intervalle [LIC, LSC], inclus dans
R+ , est donnée par :
(n − 1)LIC 2 (n − 1)LSC 2
 
P (LIC ≤ Sn−1 ≤ LSC) = P ≤U ≤
σ02 σ02
2
(n − 1)Sn−1
où U = 2
suit la loi χ2n−1 .
σ0
On rappelle que le risque α correspond à une probabilité que l’écart type de l’échantillon
α
soit inférieur à LIC, égale à la probabilité que cet écart type soit supérieur à LSC, égale à .
2
(n − 1)LSC 2
 
α
P (Sn−1 > LSC) = P U > 2
=
σ0 2
(n − 1)LIC 2
 
α
P (Sn−1 < LIC) = P U < 2
=
σ0 2

DUT Génie Biologique Année universitaire 2007/2008

3.3 Carte S 11

Notons up le nombre réel tel que P (U ≤ up ) = p. On a alors :

r r
u1−α/2 uα/2
LC = c4 σ0 LSC = σ0 LIC = σ0
n−1 n−1

Exercice 3.1 Sur une chaîne d’embouteillage d’eau minérale, on prélève 25 échantillons de 5 bou-
teilles. La quantité d’eau contenue dans les bouteilles doit être en moyenne de 150 centilitres, avec un
écart type de 5 centilitres.

La tableau ci-dessous donne, en centilitres, la quantité d’eau contenue dans chacune des bouteilles,
ainsi que les résultats du traitement statistique des données à l’aide d’un tableur.

Numéro xN xO xP xQ xR xS RS S T
d'échantillon
1 153 156 148 147 148 149 9 3.91
2 149 150 148 151 148 153 3 1.3
3 151 148 151 155 153 156 7 2.61
4 151 150 155 151 154 153 5 2.17
5 153 150 154 147 152 151 7 2.77
6 150 150 154 154 151 153 4 2.05
7 150 155 147 156 147 150 9 4.3
8 153 148 148 150 156 156 8 3.46
9 150 150 149 154 147 152 7 2.55
10 154 156 152 147 154 153 9 3.44
11 147 153 152 152 149 149 6 2.51
12 150 151 150 154 151 156 4 1.64
13 150 155 147 150 147 152 8 3.27
14 155 149 150 148 149 150 7 2.77
15 151 153 150 151 154 155 4 1.64
16 154 150 149 150 151 154 5 1.92
17 153 156 154 154 147 149 9 3.42
18 148 151 148 153 154 154 6 2.77
19 155 155 149 152 152 149 6 2.51
20 148 148 153 148 156 155 8 3.71
21 147 153 150 156 151 152 9 3.36
22 151 149 155 156 154 156 7 2.92
23 156 151 148 154 153 154 8 3.05
24 154 155 156 151 150 149 6 2.59
25 152 156 148 155 152 153 8 3.13

T. Cuesta IUT de Créteil

12 3 LES CARTES DE CONTRÔLE AUX MESURES PROBABILISTES

1. On peut voir sur la copie d’écran ci-dessous, la formule écrite en I2 pour calculer l’écart type.

Quelles peuvent être les formules à écrire dans les cases G2 et H2?
2. Construire les cartes X, R et S, pour un risque de fausse alerte égal à 0,2%.
3. Le processus est-il maîtrisé?

DUT Génie Biologique Année universitaire 2007/2008